Sistemas híbridos habilitados por aprendizaje profundo para el reconocimiento preciso de texto en imágenes de sellos

Área de la Ciencia:

• Visión por Computadora
• Reconocimiento Óptico de Caracteres (OCR)
• Inteligencia Artificial

Sus antecedentes:

• Los sellos chinos son cruciales para la certificación de documentos legales en China.
• Reconocer el texto en los sellos es difícil debido al texto de fondo, el ruido y las características mínimas.

Objetivo del estudio:

• Desarrollar un modelo híbrido para el reconocimiento preciso de texto de sellos chinos.
• Abordar los desafíos que plantean las imágenes de sellos ruidosas y complejas.

Principales métodos:

• Un modelo híbrido que integra preprocesamiento, aprendizaje profundo para la corrección de posición, desenrollado de texto circular y OCR.
• Eliminación de fondo basada en color, eliminación de ruido de imagen novedosa, predicción de ángulo basada en aprendizaje profundo con conjuntos de datos sintéticos y transformación de coordenadas polares para el desenrollado de texto.

Principales resultados:

• Los métodos propuestos mejoran eficazmente la precisión del reconocimiento de texto de sellos chinos.
• El modelo híbrido demuestra una mayor robustez contra el ruido y los fondos complejos.

Conclusiones:

• El modelo híbrido desarrollado ofrece una solución robusta para el reconocimiento de texto de sellos chinos.
• La integración de técnicas avanzadas de preprocesamiento y aprendizaje profundo mejora significativamente el rendimiento del reconocimiento.